Geri Dön

Tüberküloz hastalığının tespiti için yeni bir evrişimsel sinir ağı modeli

A new convolutional network model for detection of tuberculosis disease

PDF İndir

  1. Tez No: 825878
  2. Yazar: MEHMET BABALIK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Tüberküloz (verem) hastalığı dünyanın birçok yerinde sonu ölümle sonuçlanan bulaşıcı ve tehlikeli hastalıklardan biridir. Tüberküloz için uzman radyologlar göğüs röntgenlerine bakarak teşhis koyarlar. Fakat radyologlar bu teşhisi koyarken kimi zaman çok sayıda göğüs röntgeni inceledikleri için yanlış tanı ve teşhis koyabilmektedir. Bu durumda manuel bir teşhis yerine daha hızlı ve daha doğru kararlar verebilen bilgisayar destekli analizler gerekmektedir. Bu tezin amacı yapay zekâ yöntemleri kullanılarak akciğer röntgen verilerinden tüberkülozlu ve sağlıklı görüntülerin otonom olarak tespiti ve sınıflandırılmasını yapacak bir model oluşturmaktır. Yapay zekâ, insan zekasının çalışma prensibine benzer şekilde çalışan ve kendini sürekli geliştirebilen makineler oluşturmaktır. Teknolojinin gelişmesiyle beraber iş alanlarını geliştirmek ve hayatı bilgisayarlar yardımıyla kolaylaştırmak amacıyla ses işleme, siber güvenlik, sosyal güvenlik, e-ticaret, robotik, doğal dil işleme, tavsiye sistemleri, sağlık, askeri gibi birçok alanda yaygın bir şekilde kullanılmaktadır. Özellikle sağlık alanında kanser gibi birçok hastalığın teşhis edilmesinde, doktorlar tarafından yapılan tetkiklerde, cihazlarla gerçekleştirilen tanı ve tedavilerde sıklıkla kullanılmaktadır. Çünkü doktorlar herhangi bir hastalığın doğru tanı ve doğru teşhisini manuel olarak ortaya koymak gerek zaman gerekse maliyet açısından oldukça zordur. Çünkü hastalığın tedavisinde doğru teşhis ve tanı çok çok önemlidir. Bu tez kapsamında bu problemin çözümü ele alınmıştır ve uzun yıllardır süregelen tüberküloz hastalığının bilgisayar destekli analiz ve tespitini gerçekleştirmek amacıyla yapay zekanın bir alt kümesi olan derin öğrenme metotlarından Evrişimsel Sinir Ağları (Convoluational Neural Network-CNN) kullanılmıştır. Önerilen CNN modeli ile daha kolay ve daha hızlı bilgisayar destekli analiz gerçekleştirilmiştir. Önerilen modelinin ilk aşamasında akciğer röntgen filmlerinden elde edilen 1000 görüntü ön işlemeden geçirilerek, hastalıklı ve sağlıklı olarak etiketlenmiştir. Görüntülerin doğru, hızlı ve minimum maliyetle teşhisi için farklı ve yeni ağ yapısı oluşturularak verilerdeki önemli öznitelikler belirlenmiştir. Ağ yapısı 3 konvolüsyon, 3 havuzlama, 1 düzleştirme, 3 yoğunluk ve 2 bırakma katmandan oluşan derin bir yapıya sahiptir. Ayrıca önerilen CNN modeli ile literatürde birçok alanda yaygın bir şekilde kullanılan Yapay Sinir Ağları (Artificial Neural Network –ANN) modeli doğruluk, duyarlılık, kesinlik ve F1-Skor gibi farklı değerlendirme metrikleri kullanılarak detaylı bir şekilde karşılaştırılmıştır. Ayrıca her iki model için de performans analizleri gerçekleştirilmiştir. Tez kapsamında kullanılan CNN ve ANN modelinin sınıflandırma başarısı sırasıyla %98,91 ve %90,41 olarak bulunmuştur. Önerilen CNN modeli ANN modeline göre tüberküloz hastalığının doğru teşhis ve sınıflandırılmasında daha başarılı sonuçlar vermiştir. Ayrıca tüberküloz görüntü verilerine önerilen VGG19+CNN model uygulanmıştır. Bu model özellik çıkarımı ve sınıflandırma aşamalarından oluşur ve 2 konvolüsyon, 1 toplu iş, havuzlama, düzleştirme ve 2 yoğunluk katmanı içerir. Hibrit model eğitim ve test görüntülerinde sırasıyla %100 ve %99,66 başarı vermiştir.

Özet (Çeviri)

Tuberculosis (TB) disease is one of the contagious and dangerous diseases that result in death in many parts of the world. For tuberculosis, specialist radiologists diagnose it by looking at chest X-rays. However, radiologists can sometimes misdiagnose and diagnose because they examine a large number of chest X-rays while making this diagnosis. In this case, computer-assisted analyzes that can make faster and more accurate decisions are required instead of a manual diagnosis. The aim of this thesis is to create a model that will autonomously detect and classify tuberculosis and healthy images from lung x-ray data using artificial intelligence methods. Artificial intelligence is to create machines that work similarly to the working principle of human intelligence and that can continuously improve themselves. With the development of technology, it is widely used in many fields such as voice processing, cyber security, social security, e-commerce, robotics, natural language processing, advice systems, health, military, in order to improve business areas and make life easier with the help of computers. It is frequently used in the diagnosis of many diseases such as cancer, especially in the field of health, in the examinations made by doctors, in the diagnosis and treatment performed with devices. Because it is very difficult for doctors to manually reveal the correct diagnosis and correct diagnosis of any disease in terms of both time and cost. Because correct diagnosis and diagnosis is very important in the treatment of the disease. In this thesis, the solution of this problem is discussed and Convolutional Neural Networks (CNN), which is a subset of artificial intelligence, which is a deep learning method, has been used to perform computer-aided analysis and detection of tuberculosis disease, which has been going on for many years. With the proposed CNN model, easier and faster computer aided analysis was performed. In the first stage of the proposed model, 1000 images obtained from lung x-ray films were preprocessed and labeled as diseased and healthy. In order to diagnose images accurately, quickly and with minimum cost, a different and new network structure was created and important features in the data were determined. The network structure has a deep structure consisting of 3 convolutions, 3 pooling, 1 smoothing, 3 density and 2 dropout layers. In addition, the proposed CNN model, and the Artificial Neural Network (ANN) model, which is widely used in many areas in the literature, were compared in detail using different evaluation metrics such as accuracy, sensitivity, precision and F1-Score. In addition, performance analyzes were carried out for both models. The classification success of the CNN and ANN models used in the thesis was found to be 98.91% and 90.41%, respectively. The proposed CNN model gave more successful results in the correct diagnosis and classification of tuberculosis disease compared to the ANN model. In addition, the suggested VGG19+CNN model was applied to the tuberculosis image data. This model consists of feature extraction and classification steps and includes 2 convolutions, 1 batch, pooling, smoothing and 2 density layers. The hybrid model gave 100% and 99.66% success in training and test images, respectively.

Benzer Tezler

  1. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Tez No

    774847

    Derin öğrenme tabanlı bakteri sınıflandırma

    Deep learning based bacteria classification

    ÖMER FARUK NASİP

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KENAN ZENGİN

  3. Tez No

    307940

    Mycobacterium tuberculosis suşlarında eflüks pompasını oluşturan gen ekspresyonlarının çoklu ilaç direnç gelişimi üzerine etkisinin araştırılması

    Investigation of the relation of multiple drug resistance with the expression of genes which made of efflux pump in mycobacterium tuberculosis

    MUSTAFA KEREM ÇALGIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    MikrobiyolojiAnkara Üniversitesi

    Tıbbi Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. MEHMET KIYAN

  4. Tez No

    620227

    Mycobacterium tuberculosis suşlarında rifampisin direnci saptamada mikobakteriofaj(Fastplaque TB-RİF) yönteminin erken tanı değeri, LöwensteinJensen ve BACTEC yöntemleri ile karşılaştırılması

    Early diagnosis value of mycobacteriophage (Fastplaque TB-RIF) method in detection of rifampicin resistance in Mycobacterium tuberculosis strains, comparison with Löwenstein Jensen and BACTEC methods

    NALAN ADIGÜZEL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2002

    Göğüs HastalıklarıSağlık Bakanlığı

    Göğüs Hastalıkları Ana Bilim Dalı

    UZMAN MELAHAT KURUTEPE

  5. Tez No

    129576

    0-12 yaş arası çocuklarda BCG aşılama ve komplikasyon sıklığının incelenmesi

    Başlık çevirisi yok

    RAMAZAN ÖZEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2003

    Çocuk Sağlığı ve HastalıklarıSağlık Bakanlığı

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DR. RENGİN ŞİRANECİ

Geri Dön